تشخیص خودکار و دقیق کووید-۱۹ از تصاویر سی تی اسکن قفسه سینه با استفاده از روش یادگیری عمیق
Publish place: Journal of Marine Medicine، Vol: 3، Issue: 5
Publish Year: 1400
Type: Journal paper
Language: Persian
View: 234
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_JMARMED-3-5_013
Index date: 26 June 2023
تشخیص خودکار و دقیق کووید-۱۹ از تصاویر سی تی اسکن قفسه سینه با استفاده از روش یادگیری عمیق abstract
زمینه و هدف: سازمان بهداشت جهانی توصیه هایی مبنی بر تشخیص به موقع بیماری کووید-۱۹ برای اتخاذ درمان مناسب دارد. در پژوهش حاضر تشخیص خودکار و دقیق بیماری کووید-۱۹ از تصاویر سی تی اسکن بدست آمده از قفسه سینه با استفاده از روش یادگیری عمیق انجام شده است.
روش ها: مراحل انجام کار در این الگوریتم برای تقسیم بندی و شناسایی تصاویر مربوط به ریه سالم و ریه تحت تاثیر کووید-۱۹ به ترتیب عبارت بودند از انتخاب تصاویر مناسب، پیش پردازش تصاویر شامل حذف نویز تصاویر، استخراج ویژگی های تصاویر، در نهایت تقسیم بندی و طبقه بندی تصاویر با بهره گیری از روش تلفیقی یادگیری عمیق و الگوریتم بهینه سازی امواج آب به منظور تشخیص کووید-۱۹ در تصاویر مربوط به ریه. تمامی مدلسازی بر اساس نرم افزار Matlab انجام شد.
یافته ها: با اعمال الگوریتم بهینه سازی امواج آب به الگوریتم یادگیری عمیق، دقت آن حدود ۷ درصد در تشخیص بیماری کووید-۱۹ بهبود داشت. بنابراین، الگوریتم پیشنهادی با دقت متوسط ۹۸ درصد از توانایی بالایی برای استفاده در بالین برای تشخیص دقیق و سریع کووید- ۱۹برخوردار است، که می تواند به کادر پزشکی کمک شایانی کند.
نتیجه گیری: در مرحله تشخیص کووید-۱۹، از هوش مصنوعی می توان برای تشخیص الگوهای تصاویر پزشکی گرفته شده با سی تی اسکن استفاده کرد.
تشخیص خودکار و دقیق کووید-۱۹ از تصاویر سی تی اسکن قفسه سینه با استفاده از روش یادگیری عمیق Keywords:
تشخیص خودکار و دقیق کووید-۱۹ از تصاویر سی تی اسکن قفسه سینه با استفاده از روش یادگیری عمیق authors
نادره تبریزی
Department of Physics, Payame Noor University, Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :